1.1 Données Wikidata

Wikidata est une base de connaissances libre, éditée de manière collaborative et hébergée par la Wikimedia Foundation. Son contenu étant placé sous licence CC0 (« Transfert dans le Domaine Public »), elle permet de centraliser les données utilisées par différents projets Wikimedia (Wikipédia (2021)).

Cette base fournit un support à de nombreux autres sites et services au-delà des seuls projets Wikimedia. Son contenu est exporté dans des formats standards et peut être relié à d’autres ensembles de données ouvertes sur le web des données².

Wikidata offre ainsi un large domaine d’informations générales sur notre univers et des liens vers d’autres bases de données. Il contient, à ce jour, plus de 100 millions d’items.

1.2 Standard RDF du W3C

Il existe plusieurs méthodes pour accéder à ces données. Dans ce document, nous utilisons un accès à la base de données Wikidata mises à disposition au format RDF sans toutefois expliciter le langage de requête SPARQL, qui n’est pas l’objet de la fiche.

Le RDF (Resource Description Framework) est un cadre général de modélisation utilisé pour décrire formellement les ressources Web et leurs métadonnées, afin de permettre le traitement par inférence de telles descriptions. Développé par le W3C, RDF est le formalisme de base du Web sémantique.

Un document structuré en RDF est un ensemble de triplets³, chaque triplet associant un sujet, un prédicat et un objet):
- le « sujet » représente la ressource à décrire;
- le « prédicat » représente un type de propriété applicable à cette ressource;
- l’ « objet » représente une donnée ou une autre ressource : c’est la valeur de la propriété.

Le sujet et l’objet, dans le cas où ce sont des ressources, peuvent être identifiés par un identifiant unique de la ressource (URI⁴) ou être des nœuds anonymes. Le prédicat est nécessairement identifié par un URI.

Pour plus d’informations, il est possible de consulter l’introduction à Wikidata ou la page Wikibase dédiée à un formalisme du type Ressource Description Framework (RDF) du dépôt de données Wikidata.

1.3 Le langage SPARQL

SPARQL (prononcé sparkle, en anglais : « étincelle ») est un langage de requête et un protocole qui permet de rechercher, d’ajouter, de modifier ou de supprimer des données RDF disponibles à travers Internet. Son nom est un acronyme récursif qui signifie SPARQL Protocol and RDF Query Language. (Wikipédia (2022))

Plusieurs langages de requête destinés à interroger les graphes RDF ont été développés. Le langage SPARQL, développé par le W3C, est destiné à devenir le standard en ce domaine. Aujourd’hui, le Web des données (ou Linked Open Data) est constitué de centaines de services SPARQL qui mettent à disposition de plus en plus de données au travers d’Internet comme le fait le projet Wikidata (Wikipédia (2022)).

Dans ce notebook, quelques requêtes de base permettant d’interroger la base de données Wikidata utilisent les éléments suivants :
- la clause SELECT ?data WHERE{} qui renvoit les variables spécifiques et leurs liens lorsqu’une liste de noms de variables est donnée,
- un service WikiLabel spécifique au point d’accès Wikidata Query Service,
- l’option de la clause SELECT, OPTIONAL, permettant de renvoyer les variables même si elles ne sont pas instanciées (noeuds vides) sur la liste de noms de variables,
- et les préfixes associés aux fragments de graphe RDF de Wikidata (+d’info).

2.1 Packages utilisés

Les packages utilisés pour réaliser l’ensemble de la chaîne de traitement présenté dans ce document sont:
- WikidataQueryServiceR: fournit une API client pour le Wikidata Query Service (cf. partie 3);
- rnaturalearth: met à disposition les données géographiques de Natural Earth;
- sf: permet la gestion et la manipulation de données géographiques;
- mapview: permet de produire des cartes interactives, en utilisant la librairie JavaScript Leaflet;
- tmap: permet de produire de cartes thématiques;
- ggplot2: pour la production de graphiques, basés sur la grammaire graphique;
- av: permet de générer des vidéos à partir d’images ou de graphiques R;
- patchwork: permet de combiner facilement plusieurs graphiques ggplot2;
- jpeg: permet d’importer, enregistrer et afficher des images matricielles (format bitmap);
- DT: met en forme dynamique (HTML) des tableaux de données (bibliothèque javascript DataTables).

Pour installer l’ensemble de ces packages, vous pouvez utiliser les lignes de code suivantes, qui vérifient que les packages nécéssaires ne soient pas déjà installés sur votre machine :

# Liste des packages nécessaires
liste_packages <- c("WikidataQueryServiceR",
                  "rnaturalearth",
                  "sf",
                  "mapview",
                  "tmap",
                  "ggplot2",
                  "av"
                  "patchwork",
                  "jpeg", 
                  "DT",
                  "dplyr")

# Packages à installer
liste_packages_to_install <- liste_packages[!(liste_packages %in% installed.packages()[,"Package"])]

# Installation des packages manquants
install.packages(liste_packages_to_install)

Pour Installer le package glitter :

install.packages("remotes")
install.packages("remotes") #if remotes is not already installed

2.2 Données collectées

Plusieurs sources de données sont utilisées pour ce travail exploratoire:

1. Données issues de la base Wikidata ;
   
2. Couche géographique Natural Earth;
   
3. Fonds de carte mis à disposition par Leaflet.

Télécharger les données

3.1 Modèle des données ciblées

L’objectif de cette analyse consiste à s’intéresser à un·e peintre et à la circulation de ses peintures.
Dans Wikidata, les peintres, peintures et lieux d’exposition sont modélisés selon les représentations schématiques ci-dessous (Figures 4 et 6.a à c), comprenant des entités liées entre elles et mobilisant une syntaxe spécifique avec des préfixes⁵. Le fragment de graphe de données Wikidata utilisé ici est illustré en figure 6b, ci-dessous.
Après plusieurs explorations, nous avons décidé de nous intéresser au peintre néerlandais du 17e siècle, Johannes Vermeer.

Pour construire la requête SPARQL permettant d’interroger les données brutes, il est nécessaire de connaître le graphe de données sous-jacent.

Dans Wikidata, ce peintre est une entité donnée à trouver (toute entité Wikidata est désignée par le préfixe wd:), ayant pour propriété directe (préfixe wdt:) d’être une instance de Wikidata ayant les propriétés suivantes :

• (P31)-de nature (Q5)-humaine;
  
• (P373)-ayant pour catégorie commune le libellé sous la forme de chaîne de caractères “Johannes Vermeer”;
  
• celui-ci (P18)-ayant pour image le résultat associé (ici, l’adresse URL de l’image).
  

3.2 Première requête SPARQL

Nous interrogeons donc la base Wikidata concernant le peintre Johannes Vermeer, instance de Wikidata (classe d’objet P31), qui est un humain Q5 et qui répond au libellé (P373) “Johannes Vermeer”.

A l’aide de la fonction query_wikidata du package WikidataQueryServiceR, nous commençons dans un premier temps par obtenir l’illustration associée à Johannes Vermeer (renseignée par la propriété P18), avec la requête SPARQL suivante :

# Package API pour le 'wiki data service'
library(WikidataQueryServiceR)

# Recherche de l'artiste nommé 'Johannes Vermeer' et de(s) l'illustration(s) associée(s)
data1 <- query_wikidata('
          SELECT ?identifiant ?image  WHERE {
              SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". } 
              ?identifiant wdt:P31 wd:Q5 ; wdt:P373 "Johannes Vermeer" . 
              ?identifiant wdt:P18 ?image .
              }
')

# Ou avec glitter
library(glitter)
data1 <- spq_init() %>% 
  spq_add("?identifiant wdt:P31 wd:Q5") %>% 
  spq_add(". wdt:P373 'Johannes Vermeer'") %>%
  spq_add(". wdt:P18 ?image") %>% 
  spq_perform()

Affichage des données collectées en utilisant la fonction datatable de la library DT :

library(DT)
# Affichage dynamique de la table
datatable(data1)

Deux URL sont collectées, celles de :
- l’identifiant : le lien vers la page Wikidata du peintre Johannes Vermeer ;
- l’image : le lien vers l’image associée à ce peintre dans Wikidata.

Le résultat renvoyé par cette requête nous permet de constater que le peintre Johannes Vermeer est directement identifié par une URI (entity ID) Q41264 dans Wikidata .

Dans une seconde requête, on liera l’entité trouvée comme (P170)-créatrice des œuvres que l’on cherche à localiser dans l’espace et le temps.

Pour sauvegarder l’image associée :

# Création des sous-répertoires 'data' et 'data/image'
dir.create("data")
dir.create("data/images")

# Téléchargement et sauvegarde de l'image
download.file(url = data1$image,
              destfile = 'data/images/portrait_artiste.jpg',
              mode = 'wb')

3.3 Seconde requête SPARQL

En second lieu, on propose donc de lister l’ensemble des œuvres de Johannes Vermeer (entité ou donnée Wikidata Q41264) et leurs localisations.

Les coordonnées de la localisation (ici, une déclaration ou statement) associée à une œuvre sont obtenues via la propriété P625 : wdt:P625.

Pour plus d’informations, vous pouvez consulter l’introduction à Wikidata ou la page Wikibase dédiée au formalisme du Ressource Description Framework (RDF) du dépôt de données Wikidata.

La requête ci-dessous demande l’identifiant de (ou des) entité·s (œuvre·s), P170-ayant pour créateur l’artiste Q41264-Johannes Vermeer. Cette requête tente également de récupérer P276-le lieu d’exposition renseigné pour chaque œuvre, ainsi que sa localisation géographique (coordonnées géographiques du système de référence World Geodetic System (WGS84).

# Recherche de toutes les œuvres de Johannes Vermeer et de leurs localisations renseignées (musée & institution)
data2 <- query_wikidata('
              SELECT ?oeuvreLabel ?museeLabel ?coord
                WHERE { SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
                ?oeuvre wdt:P170 wd:Q41264 .
                OPTIONAL {?oeuvre wdt:P276 ?musee}
                OPTIONAL {?musee wdt:P625 ?coord}
                }
        ')

# Ou avec glitter
data2 <- spq_init() %>% 
  spq_add("?oeuvre wdt:P170 wd:Q41264", .label="?oeuvre") %>% 
  spq_add("?oeuvre wdt:P276 ?musee",
          .label="?musee",
          .required=FALSE) %>%
  spq_add("?musee wdt:P625 ?coord",
          .required=FALSE) %>% 
  spq_select(-oeuvre,-loc,-musee) %>% 
  spq_perform()

Affichage des données récupérées :

datatable(data2)

Dans un second temps, nous nous intéresserons à une œuvre précise de Johannes Vermeer : A Young Woman Seated at the Virginals. Dans Wikidata, cette œuvre est désignée par le biais de l’entité (préfixe wd:) associée à un identifiant unique : Q4660880.

On constate dans le tableau de résultats ci-dessus que les données (non supervisées) concernant le lieu d’exposition sont très hétérogènes. Alors que certaines œuvres n’ont aucun lieu d’exposition indiqué car l’information n’est tout simplement pas disponible, d’autres présentent plusieurs localisations et dans certains cas, plusieurs fois le même musée.

Pourquoi ?

• un même musée peut avoir plusieurs localisations (plusieurs couples de coordonnées géographiques) renseignées,
• une même œuvre peut être localisée dans plusieurs musées, ou plusieurs fois dans un même musée, mais à des périodes différentes.

Ce constat nécessite d’entrer plus en détail dans les déclarations (statements) renseignées dans Wikidata, notamment la localisation de l’œuvre au cours du temps entre divers musées ou institutions culturelles de divers pays, en utilisant les valeurs et qualificatifs (qualifiers) associés aux propriétés figurant dans les déclarations :

L’œuvre intitulée A Young Woman Seated at the Virginals (entité Q4660880) est, selon Wikidata, l’œuvre de Johannes Vermeer qui a le plus voyagé pour être exposée. Cela signifie que cette entité possède le plus grand nombre de valeurs associées à la propriété location (propriété P625) dans les déclarations ou statements de localisation désignant des lieux (préfixe ps), dont les coordonnées sont données par la propriété P276.

Ce constat ouvre une nouvelle perspective en matière d’analyse exploratoire. Nous allons donc nous intéresser à la trajectoire spatio-temporelle de cette œuvre.

3.4 Troisième requête SPARQL

Comme illustré dans la figure 6b, la localisation d’une entité est déclarée au moyen d’une propriété (P276), qui permet l’accès à:
- une localisation de l’œuvre dans un lieu (géographique et institutionnel) : wdt:P276, objet de la seconde requête (voir Figure 6a),
- ou à un ensemble de localisations renseignées dans le temps (voir Figure 6c) : p:P276 associée aux qualifiers de la déclaration de lieu (désignée par le préfixe pq:) donnant une période temporelle (date de début : P580 et date de fin: P582).

Pour connaître les modalités de circulation de l’œuvre dans divers musées et institutions, la requête SPARQL ci-dessous collecte les noms des différents lieux d’exposition (P276), ainsi qu’une dimension spatio-temporelle associée, qui est composée de coordonnées géographiques (P625) et des dates de début et de fin (P580 & P582) de la période pendant laquelle l’œuvre (Q4660880) semble avoir été présente dans les différents lieux (figure 6c). La requête permet également d’obtenir l’image (figure 7) de l’œuvre ciblée (P18).

# Recherche de tous les lieux (nom, coordonnées, date de début et de fin) où l'œuvre : 
# "A Young Woman Seated at the Virginals" de Johannes Vermeer a été exposée.
data <- query_wikidata('
          SELECT ?image ?nomLabel ?dated ?datef ?coord WHERE {
              SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
              wd:Q4660880 p:P276 ?location ; wdt:P18 ?image .
              ?location ps:P276 ?nom .
              ?location pq:P580 ?dated .
              ?location pq:P582 ?datef .
              ?nom wdt:P625 ?coord .
              }
        ')%>% 
  select(musee=nomLabel,dated,datef,coord,image)

# Ou avec glitter:
data <- spq_init() %>% 
  spq_add("wd:Q4660880 wdt:P18 ?image") %>% 
  spq_add("wd:Q4660880 p:P276 ?location") %>% 
  spq_add("?location ps:P276 ?nom",
          .label="?nom") %>% 
  spq_add("?location pq:P580 ?dated") %>% 
  spq_add("?location pq:P582 ?datef") %>% 
  spq_add("?nom wdt:P625 ?coord") %>% 
  spq_select(nomLabel,dated,datef,coord) %>% 
  spq_perform() %>% 
  select(musee=nomLabel,dated,datef,coord,image)

Affichage des données récupérées :

Enregistrement et (ré)import des données :

# Enregistrement des données en format csv
write.csv(x = data, file = "data/data.csv", row.names = FALSE)

# Import du fichier de données enregistrées
data <- read.csv("data/data.csv", row.names = NULL)

Enregistrement de l’image de l’œuvre :

download.file(url = data$image[1],
              destfile = 'data/images/Q4660880.jpg',
              mode = 'wb')

4.1 Les œuvres de Johannes Vermeer

Les données issues de la seconde requête SPARQL (data2) listent l’ensemble des œuvres de Vermeer et leurs localisations respectives (nom du musée et coordonnées géographiques quand elles existent) selon Wikidata. Avant de les cartographier, quelques traitements sont nécessaires :

1. Suppression des doublons et des œuvres sans aucune localisation renseignée ;
2. Calcul du nombre d’œuvres par musée (localisation) ;
3. Géoréférencement⁶ des musées abritant des œuvres de Vermeer.

data2 <- data2 %>% 
  filter(!is.na(coord))

data2 <- data2 %>% 
  group_by(oeuvreLabel,museeLabel) %>% 
  summarise(coord=first(coord))

datatable(data2)

4.1.2 Regroupement par musée

Plusieurs œuvres semblent avoir été exposées dans les mêmes lieux. Afin de cartographier les musées ayant exposé différentes œuvres de Johannes Vermeer, nous réalisons un regroupement des œuvres par intitulé des musées (museeLabel), tout en calculant le nombre d’œuvres que chacune de ces institutions a exposées au cours du temps.

–>

# Regroupement et calcul du nombre d'œuvres par musée
nb_oeuvres_musee=data2 %>% 
  group_by(Museum=museeLabel,Coordinates=coord) %>% 
  summarise(Nb_oeuvres=n())

# Histogramme de répartition des musées en fonction du nombre d'œuvres de J.V. exposées
library(ggplot2)
ggplot(nb_oeuvres_musee,aes(x=Nb_oeuvres))+
  geom_histogram(breaks=0:max(nb_oeuvres_musee$Nb_oeuvres))+
  xlab("Nombre d'œuvres exposées")+
  ylab("Nombre de musées")

Graphique 1 : Distribution du nombre d’œuvres de Johannes Vermeer exposées par musée

# Chargement du package sf, pour la gestion de données géographiques vectorielles
library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvres_musee$Coordinates, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
musee_geo  <- st_as_sf(nb_oeuvres_musee, geometry)

# Package pour la cartographie interactive (repose sur la librairie Leaflet)
library(mapview)

# Affichage interactif des musées, sur un fond de carte OpenStreetMap
mapview(musee_geo) 

# Package de cartographie thématique
library(tmap)

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Carte en symboles proportionnels
tm_basemap() +
tm_shape(musee_geo) +
tm_symbols(size="Nb_oeuvres",
           scale = 4,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           id = "Museum",
           popup.vars=c("Nombre d'œuvres :"="Nb_oeuvres" ))

# Package permettant d'utiliser l'API de Natural Earth
library(rnaturalearth)

# Téléchargement et enregistrement d'un fond de carte "pays"
world <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")

plot(st_geometry(world))

musee_geo <- musee_geo %>% 
  select(-Coordinates) %>% 
  st_intersection(world %>% select(pays))

4.1.6 Répartition par pays

Le pays de localisation de chaque musée ayant été obtenu, nous pouvons réaliser une représentation graphique de cette distibution spatiale.

Commençons par calculer le nombre total d’œuvres exposées par pays :

nb_oeuvres_pays <- musee_geo %>% 
  group_by(pays) %>% 
  summarise(Nb_oeuvres=sum(Nb_oeuvres))

Nous pouvons ensuite construire un graphique en utilisant le package de référence ggplot2.

# Package pour la représentation graphique
library(ggplot2)

# Graphique en barre - Nombre d'œuvres par pays
ggplot(data = nb_oeuvres_pays, 
       aes(x = reorder(pays, -Nb_oeuvres),
           y = Nb_oeuvres, fill = pays)) +
  geom_bar(stat = "identity") +
  ggtitle("Nombre d'œuvres de Johannes Vermeer exposées, par pays") +
  xlab("") +
  ylab("") +
  scale_fill_manual(values = c("#FC8D62", "#80B1D3"  ,"#E78AC3",
                               "#A6D854","#FFD92F","#E5C494",
                               "#FB8072","#BEBADA","#66C2A5",
                               "#FFFFB3","#8DA0CB")) +
  annotate(geom="text", 
           x = 9, y = 13, 
           label = "Une œuvre peut\navoir été exposée\ndans plusieurs pays" ) +
  theme(legend.position = "none")

Graphique 2 : Représentation histographique du nombre de peintures de Johannes Vermeer exposées dans différents pays au cours du temps

4.2 La ‘Dame assise au virginal’

Les données issues de la troisième requête SPARQL (‘data’) contiennent l’ensemble des localisations renseignées pour l’œuvre de Johannes Vermeer A Young Woman Seated at the Virginals (ou Dame assise au virginal en français). Nous allons donc réaliser un processus de nettoyage et de géoréférencement très semblable à celui de la partie précédente.

data <- data %>% 
  group_by(musee,dated,datef) %>% 
  summarise_all("first")

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(data$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
data_geo  <- st_as_sf(data, geometry)

# Affichage des données 
datatable(data_geo)

# Regroupement par musée - Calcul du nombre total d'expositions
nb_expos_musee_geo <- data_geo %>% 
  group_by(musee) %>% 
  summarise(nb_expos=n())

# Popup content
impath="http://commons.wikimedia.org/wiki/Special:FilePath/Vermeer%20-%20A%20young%20Woman%20seated%20at%20the%20Virginals.jpg"

nb_expos_musee_geo <- nb_expos_musee_geo %>% 
  mutate(popup= paste0( "<img  src='",impath,"'  width='180'><br />",
                        "<b>",musee,"</b>",
                        "<br />Nombre d'expositions de l'œuvre :",
                        "<b>",nb_expos,"</b>"))
# Carte
mapview(nb_expos_musee_geo,
        zcol = "musee",
        col.regions = "red",
        legend = FALSE,
        popup = "popup",
        map.types = "Esri.WorldImagery")

# Jointure spatiale points/pays
data_geo <-data_geo %>% 
  st_intersection(world %>% select(pays))

5.1 Période d’exposition du tableau

Pour manipuler facilement le temps, nous commençons par convertir les dates d’arrivée et de départ de l’œuvre dans chaque musée en format de type date.

data_geo <- data_geo %>% 
  mutate(dated=as.Date(dated),
         datef=as.Date(datef))

Il est ensuite simple de caculer le nombre de jours de présence dans un musée avec une soustraction. Nous sauvegardons ces valeurs (nombre de jours) dans une nouvelle colonne (‘nb_days’)

data_geo <- data_geo %>% 
  mutate(duree=as.integer(datef-dated))

Le tableau a été exposé à deux reprises dans plusieurs musées. Nous calculons donc le nombre de jour total d’exposition du tableau par musée.

data_musee=data_geo %>% 
  group_by(musee,pays) %>% 
  summarise(duree=sum(duree),
            nb_expos=n())

–>

Plusieurs informations collectées peuvent être cartographiées. Voici un exemple de carte interactive réalisée avec le package tmap, qui représente le nombre de jours d’exposition du tableau au cours du temps, à l’échelle des musées.

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Construction d'une carte en symbole proportionnel
tm_basemap() +

tm_shape(data_musee) +
tm_bubbles("duree",
           col = "pays",
           scale = 9,
           border.col="white",
           alpha = 0.7,
           border.lwd=0.1,
           border.alpha=0.5,
           title.col="Pays d'exposition",
           id = "musee",
           popup.vars=c("Nombre de séjours :"="nb_expos",
                        "Nombre total de jours :"="duree"))

5.2 Carte temporelle animée

La carte précédente ne permet pas de rendre compte de la trajectoire spatio-temporelle de l’œuvre. Une carte animée représentant la localisation de l’œuvre au cours du temps permettrait de formaliser son déplacement dans l’espace et dans le temps.

Pour cela, nous devons dans un premier temps choisir un pas de temps. La période de temps analysée est de presque 20 ans et le tableau peut avoir été exposé dans deux musées différents au cours d’un même mois. Nous choisissons donc de construire une carte animée réglée sur un pas de temps hebdomadaire, ce qui laissera le temps aux lecteur·rice·s de lire les informations affichées.

Un partir de ce pas de temps, nous créons un data.frame où chaque ligne représente une semaine calendaire située entre le 8 mars 2001 et le 13 Janvier 2019 à l’aide de la fonction seq. Nous créons également des colonnes vides qui permettront de stocker l’ensemble des informations de localisation de l’œuvre pour chaque semaine.

data_semaine_renseignee=data_geo %>% 
  st_drop_geometry() %>% 
  select(musee,dated,datef) %>% 
  # on récupère les semaines de début et fin de chaque expo
  mutate(semained=lubridate::round_date(dated,"week"),
         semainef=lubridate::round_date(datef,"week")) %>% 
  group_by(across(everything())) %>%
  # pour chaque ligne-expo, on construit un vecteur 'semaine'
  # qui correspond à une sequence de dates allant de semained à semainef
  # Pour ce faire on construit un "nid" de données pour chaque ligne-expo
  tidyr::nest() %>% 
  mutate(semaine=purrr::map2(.x=semained,
                             .y=semainef,
                             ~seq(.x,.y,by="week"))) %>% 
  # on "dénidifie" ce vecteur (cela consiste à aplatir la colonne-liste 'semaine'
  # en répétant les données des autres colonnes autant de fois que nécessaire)
  # et ce à l'aide de tidyr::unnest()
  tidyr::unnest(semaine) %>% 
  ungroup() %>% 
  select(musee,semaine)

data_semaine <- tibble(semaine=lubridate::round_date(seq(min(data_geo$dated),
                                                         max(data_geo$datef),
                                                         "week"),
                                                     "week")) %>% 
  left_join(data_semaine_renseignee,by="semaine") %>% 
  left_join(data_geo,by="musee")

Nous modifions ensuite les valeurs restées manquantes, pour les semaines où la peinture n’a pas été exposée.

data_semaine <- data_semaine %>% 
  mutate(
    # si musee non renseigné, remplace par "Emplacement inconnu"
    musee=case_when(is.na(musee)~"Emplacement inconnu",
                         TRUE~musee),
    # si pays non renseigné, remplace par "pays ?"
    pays=case_when(is.na(pays)~"pays ?",
                   TRUE~pays),
    # si duree non renseignée, remplace par 0
    duree=case_when(is.na(duree)~0,
                    TRUE~duree)) 
# Affichage du tableau
datatable(data_semaine)

Bien que ce tableau possède une colonne geometry, il s’agit en fait d’un data.frame. Nous le convertissons en objet sf (couche géographique).

data_semaine <-st_as_sf(data_semaine)

Les données sont prêtes pour créer une carte animée qui représente la localisation de l’œuvre pour chaque semaine calendaire de 2001 à 2019. Pour cela, nous utilisons le package tmap, son mode plot (cartographique statique), sa fonction tm_facet (génère plusieurs cartes en fonction d’une variable) et sa fonction tmap_animation pour créer une carte animée en format vidéo.

# Cartographie en mode statique  
tmap_mode(mode = "plot")

# Création d'une carte stockée dans l'objet CARTE
CARTE  <- tm_shape(world) +                      # Ajout fond de carte monde
          tm_polygons(col = "grey70", 
                  border.col = "grey60", 
                  border.lwd = 0.2) +
          
          tm_shape(data_semaine) +               # Ajout des musées, mais...
          tm_symbols(col = "red") +              
  
          tm_facets(along = "semaine",           # Une carte / semaine grâce à tm_facet
                    free.coords= FALSE, 
                    drop.units=FALSE)  +
      
          tm_layout(main.title ="",              # Gestion du titre
                    panel.label.fontface = 2,
                    panel.labels = paste0("Semaine du ", format(x = data_semaine$semaine, format = "%d %b %Y" )),
                    bg.color="lightblue") +
    
          tm_credits(bg.color = 'red',           # Affichage Nom des musées et Nombre de jours d'exposition
                     width = 0.5,
                     position = c('center', 'bottom'),
                     text = paste0(data_semaine$musee," (",data_semaine$pays,")\n",data_semaine$duree, " jours d'exposition"),
                     size = 1.2,
                     fontface = "bold",
                     col = 'white',
                     align = 'center')

Avec la fonction tm_facet, ce bout de code crée autant de cartes qu’il y a de lignes dans le tableau data_semaine.

Il est ensuite très facile de convertir cet objet list qui contient l’ensemble des cartes produites en fichier mp4 avec la fonction tmap_animation. Attention, la création d’un GIF ou d’une vidéo peut prendre plusieurs minutes.

# install.packages("av")

tmap_animation(tm = CARTE, 
               filename = "figures/peinture_en_voyage.mp4", 
               width=800, 
               height = 400, 
               fps = 10,                  # images par seconde
               outer.margins = 0)

Voilà le résultat !

6.1 Préparation des données

Une mise en forme des données est nécessaire pour construire ce type de frise chronologique avec ggplot2. Par exemple, le tri des données est important pour gérer l’ordre d’apparition des individus et des modalités sur le graphique.

Tri du tableau en fonction de la date (‘dated’) d’arrivée dans chaque musée.

data_geo <- data_geo %>% 
  arrange(dated)

Tri d’ordre d’apparition des modalités (levels) pour les variables (factor) ‘nomLabel’ et ‘ADM0_A3’

# Liste unique musée (dans l'ordre d'apparition de la table)
musees_ordonnes <- unique(data_geo$musee)
pays_ordonnes <- unique(data_geo$pays)

data_geo <- data_geo %>% 
  mutate(musee=ordered(as.factor(musee),levels=musees_ordonnes),
         pays=ordered(as.factor(pays),levels=pays_ordonnes))

Nous créons une nouvelle colonne qui sera utilisée comme étiquette dans le graphique. Dans cette colonne, les noms des musées n’apparaissent qu’une fois, uniquement pour la première exposition.

data_geo <- data_geo %>% 
  arrange(musee,dated) %>%
  group_by(musee) %>% 
  mutate(rank=1:n()) %>% 
  mutate(musee_label=case_when(rank==1~musee,
                               rank>1~NA_character_)) %>% 
  select(-rank) %>% 
  ungroup()

Tableau de données après traitement :

6.2 Construction graphique

ggplot(data_geo, aes(x = dated, y = musee))

# Construction de 'segments' entre la date d'arrivée (dated) et de départ (datef)
ggplot(data_geo, aes(x = dated, y = musee)) +
  geom_segment(aes(xend = datef, yend = musee, color =  pays), size = 6)

Mon_graph=ggplot(data_geo, aes(x = dated, y = musee)) +
  geom_segment(aes(xend = datef, yend = musee, label=musee_label, color =  pays), size = 6)

Mon_graph <-  Mon_graph +
              # Ajout d'une étiquette pour chaque segment représenté
              geom_text(aes(label = musee_label, hjust =1.05), size = 3.5, show.legend = FALSE) +
              # Modification de la palette de couleurs (pays)
  scale_color_manual(values = c("#7570b3", "#e7298a", "#66a61e", "#e6ab02", "#a6761d","#1b9e77", "#d95f02"))

# Affichage du résultat
Mon_graph

Mon_graph <- Mon_graph +
  
              # Modification de l'axe des abscisses
              scale_x_date(date_labels = "%Y", date_breaks = "2 year", minor_breaks = "1 year",
                           limits = c(as.Date("1994-01-01"),as.Date("2019-01-13")) ) +
  
              # Ajout d'un titre et d'un sous-titre
              labs(title = "Le voyage d'un tableau de Johannes Vermeer",
                   subtitle = "Aux pays des musées, de 2001 à 2019") +
  
              # Paramétrage du 'thème'
              theme(panel.grid.major.y = element_blank(),
                    panel.grid.major.x = element_line(size = 0.2, colour = "#707073"),
                    panel.grid.minor.x = element_line(size = 0.2, linetype = 3, colour = "#707073"),
                    panel.border = element_blank(),
                    panel.background = element_blank(),
                    axis.text.y = element_blank(),
                    axis.text.x = element_text(size=8.5, colour = "#FFFFFF"),
                    axis.title = element_blank(),
                    rect = element_rect(fill = "#2a2a2b"),
                    legend.position =  c(.93, .27),
                    legend.key = element_rect(fill  = "#2a2a2b"),
                    legend.key.height = unit(0.1, 'cm'),
                    legend.background = element_rect(fill  = "#2a2a2b"),
                    legend.margin = margin(0.5,1,1,1),
                    legend.title = element_blank(),
                    legend.text = element_text(colour = "#FFFFFF",  size = 7),
                    title = element_text(colour = "#FFFFFF", hjust = 1, vjust = 0),
                    plot.margin=unit(c(1,1,0.5,1),"cm"))


Mon_graph

library(jpeg)
img <- readJPEG("data/images/Q4660880.jpg", native = TRUE)

library(patchwork)

Mon_graph +
  
  # Titre de l'image
  annotate("text", 
           x = as.Date("1997-03-01"), 
           y = 7, 
           colour = "#FFFFFF", 
           size = 3.4,
           label = "Young Woman Seated\nat a Virginal  (1670)") +
  
  # Insertion de l'image
  inset_element(p = img, 
                clip = TRUE, 
                left = 0.04, 
                right = 0.27, 
                top = 0.95, 
                bottom = 0.46)

7.1 Code reproductible

Voici quelques exmples d’artistes peintres que vous pouvez requêter :

• Salvador Dalí Q5577 ;
  
• Nandalal Bose Q3348980 ;
  
• Kalervo Palsa Q320590 ;
  
• Katsushika Hokusai Q5586 ;
  
• Edvard Munch Q41406 ;
  
• Pablo Picasso Q5593.

#-----------------------------------------------------------------------------------------------------#
#                                                                                                     #
#                                       Exploration spatio-temporelle                                 #
#                                    de l'exposition des œuvres de ???                               #
#                                              Selon *Wikidata*                                         #
#                                                                                                     #
#-----------------------------------------------------------------------------------------------------#    

#--------------------------------------- PACKAGES NECESSAIRES ----------------------------------------#

# install.packages("WikidataQueryServiceR")
# install.packages("sf")
# install.packages("rnaturalearth")
# install.packages("ggplot2")
# install.packages("tmap")


######################################### CHOIX DE L'ARTISTE ##########################################

ID <- "Q5593"
NOM <- "Pablo Picasso"


#---------------------------------------------- REQUETE ----------------------------------------------#

# Construction de la requête SPARQL avec l'identifiant (ID) indiqué
query <-  paste0("SELECT ?oeuvreLabel ?museeLabel ?coord WHERE { SERVICE wikibase:label { bd:serviceParam wikibase:language '[AUTO_LANGUAGE],en'. } ?oeuvre wdt:P170 wd:", ID, " . OPTIONAL {?oeuvre p:P276 ?loc . ?loc ps:P276 ?musee . ?musee wdt:P625 ?coord} . }")


library(WikidataQueryServiceR)
my_data <- query_wikidata(query)


#----------------------------------------- NETTOYAGE DONNEES -----------------------------------------#

# Suppression des doublons
my_data <- my_data[!duplicated(my_data$oeuvreLabel), ]

# Suppression entités (musées et institutions) sans coordonnées renseignées
my_data <- my_data[!is.na(my_data$coord), ]


#-------------------------------------- REGROUPEMENT PAR MUSEE ---------------------------------------#

nb_oeuvre <- aggregate(oeuvreLabel ~ coord + museeLabel, data = my_data, FUN = length)

colnames(nb_oeuvre)[3] <- "Nb_oeuvre"

#----------------------------------------- GEOREFERENCEMENT ------------------------------------------#


# Chargement de la librairie sf
library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvre$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
nb_oeuvre_by_museum <- st_as_sf(nb_oeuvre, geometry)



#------------------------------- ENRICHISSEMENT - JOINTURE SPATIALE ----------------------------------#

#### Import de la couche géographique des pays

library(rnaturalearth)
world <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")



#### Jointure spatiale
nb_oeuvre_by_museum <-st_intersection(nb_oeuvre_by_museum , world[,"ADM0_A3"])


#---------------------------------- GRAPHIQUE NOMBRE ŒUVRES PAR PAYS ---------------------------------#

#### Regroupement par pays 

by_country <- aggregate(Nb_oeuvre ~ ADM0_A3 , data = nb_oeuvre_by_museum, FUN = sum)


#### Graphique 

library(ggplot2)
ggplot(data = by_country, aes(x = ADM0_A3, y = Nb_oeuvre) )  +
  geom_bar(stat="identity") +
  ggtitle(paste0("Nombre d'œuvres de ", NOM ,", par pays")) +
  xlab("") +
  ylab("") +
  theme(legend.position = "none",
        axis.text.x = element_text(size=8),
        axis.text.y = element_text(size=11))


#----------------------------- CARTOGRAPHIE - NOMBRE ŒUVRES PAR MUSEE --------------------------------#

library(tmap)
tmap_mode(mode = "view")
tm_shape(nb_oeuvre_by_museum) +
tm_symbols(size="Nb_oeuvre",
           scale = 2,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="Nb_oeuvre"))

7.2 Données et graphiques produits

Voici un exemple des données et graphiques produits avec l’artiste peintre et graveur norvégien Edvard Munch, ayant pour identifiant Wikidata : Q41406.

ID <- "Q41406"
NOM <- "Edvard Munch"

Dans un premier temps, le code permet de collecter l’ensemble des œuvres créees par l’artiste, ainsi que leurs localisations associées via une requête SPARQL. Voici par exemple les données collectées pour Edvard Munch :

Les données sont ensuite nettoyées des doublons et des œuvres qui ne sont jamais associées à des coordonnées géographiques précises, puis regroupées par musée :

Les musées sont alors géoréférencés, ce qui permet de réaliser une jointure spatiale avec une couche géographique des pays, et ainsi d’obtenir leur pays de localisation. Le code produit également une représentation graphique de la répartition des expositions des œuvres par pays :

Enfin, le code construit une carte interactive représentant le nombre d’œuvres exposées par musée :